선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 그러나 많은 전극을 이용하면 전극 캡의 사용으로인해 번거롭고, 캡의 압박감으로 인해 피검자가감성에 중실하기 어려울 것이다. 따라서 본 연구에서는 기존의 연구에서 비교적 정설로 받아들여지고 있는 전극 위치에 대한 연구 결과를 검토하고, 이를 토대로 하여 감성 평가 알고리즘을 개발하였다. 기존의 연구에서는 감성이 전두엽의 비대칭성과 관련된다는 것이 중요성 결과였고, 긍정감성의 경우 좌측 전두엽, 부정 감성의 경우 우측전두엽이 활성화된다는 것이다.
- 본 연구에서는 전두엽과 두정엽의 뇌파를 이용하여 인간의 쾌적성을 평가하기 위한 알고리즘을개발하고자 한다. 알고리즘은 선형 예측 분석과신경회로망으로 구성되며, 많은 피검자들의 템플릿(template)을 활용한다.
가설 설정
- 본 연구에서는 뇌파의 발생 과정을 그림 1과 같이 전극(all-pole) 시스템인 AR(autoregressive) 모델로 가정하여 선형 예측 계수를 감성의 특징 파라미터로 이용하였다. 생체 시스템은 비선형적이지만, 적절한 차수의 선형 예측 분석은 시스템을근사하게 표현할 수 있을 것이다.
제안 방법
- 대상으로 하였다. 4~5일의 간격으로 3회씩 반복 실험하여 30회분의 뇌파 데이터를 수집하였다. 의자를 이용한 실험에서는 가장 감성이 잘 나타나는 시점에 5분간 뇌파를 기록하였다.
- 이를 위하여 읽어들인 데이터를 절대값으로 바꾼 후에, 현재 포인트를 기준으로 뒤로 2 포인트에서의 기울기가 十, 앞으로 2포인트에서의 기울기가 —인 지점을 찾는다. 그리고 그 피크가 뇌파의 피크인지 아니면 눈 깜박임 신호에서 발생한 피크인지 구별하기 위해서 문턱값과 비교한다. 즉, 검출된 피크값이 문턱값보다 크다면 눈 깜박임 신호로 간주하고, 그렇지 않으면 신호라고 본다.
- 확인하였다. 노드의 수가 48개일 때가 가장 먼저 수렴하였으나, 24개의 경우도 거의 비슷한 성능을 나타내고, 수렴 시간에서만 근소한 차이를 나타내었기 때문에 더 간단한 구조인 24개로 결정하였다.
- 그런데 뇌파는 피검자, 주위 환경 등에 따라 변화가 심하며, 심지어 동일인도 실험 시점에 따라 전혀 다른 형태를 띄기도 한다. 따라서 음성 인식에서 화자 적응 기법으로 이용되는 여러 방법 중에서 다수의 템플릿을 이용하는 방법을 본 연구의 시스템에 맞게 수정하여 적용하였다. 즉, 여러 피검자의 뇌파를 이용하여 신경 회로망을 학습시키고, 그 가중치 (weight) 들을 템플릿으로 하여 저장한다.
- 알고리즘은 선형 예측 분석과신경회로망으로 구성되며, 많은 피검자들의 템플릿(template)을 활용한다. 먼저 다양한 실험 환경을 조성하여 쾌적 및 불쾌적한 상태의 뇌파를 수집하였다. 그리고 나서 개발된 알고리즘을 이용하여 쾌적성 평가 실험을 수행하였으며, 전두엽의 a 파 전력비(power ratio)를 이용한 기존의 감성 평가 방법과 성능을 비교해 보았다.
- 본 연구를 위한 신경회로망의 구조에서 입력층은 24개(6차x4채널), 출력층은 3개(안정, 불쾌적, 쾌적)로 결정되지만, 은닉층의 노드수를 최적으로결정하기 위하여 노드의 수를 12, 18 24, 30, 36, 42, 48로 변화시키면서 수렴성능을 확인하였다. 노드의 수가 48개일 때가 가장 먼저 수렴하였으나, 24개의 경우도 거의 비슷한 성능을 나타내고, 수렴 시간에서만 근소한 차이를 나타내었기 때문에 더 간단한 구조인 24개로 결정하였다.
- 특히 전원잡음과 눈 깜박임은 큰 걸림돌이다. 본 연구에서는 감성과는 무관한 것으로 알려진 6파 성분과 30Hz 이상의 고주파 성분은 제거하기로 하고, 4Hz 의 차단 주파수를 갖는 고역통과 필터 (highpass filter, HPF)와 30Hz의 차단 주파수를 갖는 저역통과 필터 (lowpass filter, LPF)를 4차 IIR로 설계하여 이용하였다. 식 (1)과 (2)는 설계된 고역 통과 필터와 저역통과 필터의 전달함수이다.
- 본 연구에서는 전두엽과 두정엽의 4채널 뇌파에서 선형 예측 계수를 추출하여 감성의 특징 파라미터로 이용하고, 신경회로망과 다수의 템플릿을기반으로 한 감성 평가 알고리즘을 개발하였다. 개발된 방법의 성능을 평가하기 위해 의자와 온수습도를 변화하면서 쾌적과 불쾌적한 환경에서의실험을 수행하였고, 기존의 방법과 성능을 비교하였다.
- 본 연구에서는 쾌적성 평가를 위한 뇌파 데이터 수집을 위하여 데이터 수집 시스템을 구축하였고, 전극 캡, 뇌파 증폭기, A/D 변환기, 컴퓨터로 구성되어 있다. 전극 캡을 이용하여 피검자의 머리로부터 검출된 뇌파 신호는 뇌파 증폭기를 이용하여 증폭한 후, 쾌적성 평가를 위하여 A/D 변환되어 컴퓨터에 입력된다.
- 쾌적성 평가 실험을 할 때에는 안정 상태의 처음 10 프레임을이용하여 테스트 대상의 뇌파와 가장 근사한 템플릿, 즉 신경회로망의 가중치를 골라내어 신경회로망의 각 링크(link)에 적용한 후 쾌적성을 평가하게 하였다. 사용 전극의 위치는 기존 연구를 토대로 하여 가장 변별력이 우수한 곳을 찾기 위해전두엽(Fpl, FP2, F3, F4, F7, F8) 부분의 2채널 또는 4채널, 그리고 두정엽(P3, P4) 부분을 포함하는 4채널 등 많은 시도를 하였다. 신경회로망의 출력궤적을 관찰하여 구분 가능한 정도의 곡선을 나타내면 해당 감성을 잘 표현하는 것으로 판단한다.
- 그리고 감성 평가를 할 때에는 초기에 피검자에게 안정하도록 주문하고, 그 때의 뇌파를 이용하여 저장되어 있는 다수의 템플릿에서 가장 근사‘ 한 템플릿을 선택해 낸다. 선택된 템플릿을 실험 시점에 피검자의 감성 상태와 가장 근사한 것으로 간주하고, 이를 신경 회로망의 가중치로 하여 감성 평가를 하게 된다. 그림 5는 본 연구에서 제안한 쾌적성 평가 방법의 구성도이다.
- 본 연구에서는 Hellei.의 감정 모델에서 사용하는전극의 위치를 기준으로 삼아 감성 평가 알고리즘을 개발하였으며, 전두엽의 a파 전력에서 비대칭성이 있다는 연구 결과와 성능을 비교하였다. 이를 위하여 좌측 전두엽 (Fpl) 과 우측 전두엽 (Fp2)에서 식 (3)에 의해 a파 전력비를 계산하였다.
- 같다. 읽어들인 데이터 전체의 평균값을 계산하고, 평균값의 4배를 눈 깜박임 신호와 뇌파 신호의 구분을 위한 문턱값으로 설정하였다. 눈 깜박임 부분을 찾기 위해서 먼저 눈 깜박임 부분의 피크 값을 검출한다.
- 따라서 음성 인식에서 화자 적응 기법으로 이용되는 여러 방법 중에서 다수의 템플릿을 이용하는 방법을 본 연구의 시스템에 맞게 수정하여 적용하였다. 즉, 여러 피검자의 뇌파를 이용하여 신경 회로망을 학습시키고, 그 가중치 (weight) 들을 템플릿으로 하여 저장한다. 그리고 감성 평가를 할 때에는 초기에 피검자에게 안정하도록 주문하고, 그 때의 뇌파를 이용하여 저장되어 있는 다수의 템플릿에서 가장 근사‘ 한 템플릿을 선택해 낸다.
- 한 프레임은 1초간의 데이터이고, 50%를 중첩하여 처리하였다. 쾌적성 평가 실험을 할 때에는 안정 상태의 처음 10 프레임을이용하여 테스트 대상의 뇌파와 가장 근사한 템플릿, 즉 신경회로망의 가중치를 골라내어 신경회로망의 각 링크(link)에 적용한 후 쾌적성을 평가하게 하였다. 사용 전극의 위치는 기존 연구를 토대로 하여 가장 변별력이 우수한 곳을 찾기 위해전두엽(Fpl, FP2, F3, F4, F7, F8) 부분의 2채널 또는 4채널, 그리고 두정엽(P3, P4) 부분을 포함하는 4채널 등 많은 시도를 하였다.
대상 데이터
- 5분의 뇌파 데이터에서 초기 20 프레임을 건너뛴 후이어지는 20 프레임의 데이터를 이용하여 학습하였고, 쾌적성 평가 실험에서는 그 다음 40 프레임을 테스트하였다. 한 프레임은 1초간의 데이터이고, 50%를 중첩하여 처리하였다.
- 의자 쾌적성 평가를 위한 뇌파 수집은 일반인 10 명을 대상으로 하였다. 4~5일의 간격으로 3회씩 반복 실험하여 30회분의 뇌파 데이터를 수집하였다.
- 쾌적성 평가를 위한 신경 회로망의 학습에 사용된 데이터는 주관 평가 설문지를 참고하여 한 피검자당 3회분의 데이터 중에서 가장 실험이 잘되었다고 평가한 날의 데이터를 사용하였다. 5분의 뇌파 데이터에서 초기 20 프레임을 건너뛴 후이어지는 20 프레임의 데이터를 이용하여 학습하였고, 쾌적성 평가 실험에서는 그 다음 40 프레임을 테스트하였다.
데이터처리
- 개발하였다. 개발된 방법의 성능을 평가하기 위해 의자와 온수습도를 변화하면서 쾌적과 불쾌적한 환경에서의실험을 수행하였고, 기존의 방법과 성능을 비교하였다.
- 먼저 다양한 실험 환경을 조성하여 쾌적 및 불쾌적한 상태의 뇌파를 수집하였다. 그리고 나서 개발된 알고리즘을 이용하여 쾌적성 평가 실험을 수행하였으며, 전두엽의 a 파 전력비(power ratio)를 이용한 기존의 감성 평가 방법과 성능을 비교해 보았다.
- 그림 6에서 보는 바와 같이, 개발된 쾌적성 평가기술과 일반적으로 많이 사용되는 방법을 비교하기 위하여 전두엽의 FFT 스펙트럼을 활용하여 a 파 전력비를 구하여 결과를 분석하였다.
이론/모형
- 블록 추정에서는 입력 데이터가 어느 정도의 안정성(stationarity)이 있다고 보는 길이의 블록 단위로 처리되고, 회귀적 추정에서는 매개변수가 매 샘플마다 갱신된다. 본 연구에서는 블록 추정의 한 방법인 Burg 알고리즘을 6차로 구성하여 이용하였다[7].
- 많이 사용된다. 본 연구에서는 신경 회로망을 감성의 정도를 나타내는 출력단으로 사용하며/ 학습에는 역전파 학습 규칙 (back propagation learning rule)을 사용하였다.
- 이렇게 추출된 뇌파의 특징 파라미터를 이용한 감성 평가 단계를 위해서는 그림 2과 같은 다층퍼셉트론(muJti-Jayer perceptron, MLP) 형태의 신경 회로망을 활용하였다.
성능/효과
- 이 결과를 볼 때 습도가 어느 정도에 이르면 이후에는 온도의 증가가 불쾌적 감성에 더 큰 영향을 주는 것으로 이해할 수 있다. 그리고 다시 쾌적한 환경으로 복원하려고 온도와 습도를 낮출 때에는 온도와 습도의 작은 감소에도 쉽게 쾌적해지는 것을 확인할 수 있었다.
- 온.습도와의 관계를 관찰해 본 결과, 불쾌적한 환경을 조성할 때 습도를 계속 증가시키다가 거의 포화되어 거의 그 상태로 유지되고 있을 때 불쾌감을 표현하지 않던 피검자가 온도가 지속적으로 증가하자 시간이 지날수록 피검자가 가장 불쾌하다는 표시를 빈번히 하는 것을 확인할 수 있었다. 이 결과를 볼 때 습도가 어느 정도에 이르면 이후에는 온도의 증가가 불쾌적 감성에 더 큰 영향을 주는 것으로 이해할 수 있다.
- 실험 결과에서 알 수 있듯이, 안정에 해당하는 신경회로망의 출력값이 쾌적과 불쾌적의 출력값과비교하여 크게 나타남을 볼 수 있다. 이는 피검자의 초기 안정 상태의 뇌파를 이용하여 가장 근사한 템플릿을 선택하므로 안정에 해당하는 신경회로망의 출력값이 대체로 크게 나타나는 것이다.
- 쾌적한 감성의 뇌파가 들어올 때 불쾌적에 해당하는 시스템 출력도 증가하였으나, 쾌적에 해당하는 출력에 큰 피크 하나가 발생한 것을 알 수 있고, 불쾌적한 감성의 뇌파가 들어올 때에는 쾌적에 해당하는 시스템 출력은 사라지고, 불쾌적에해당하는 출력이 크게 증가하였음을 알 수 있다. 의자 쾌적성 평가 실험에서 쾌적의 task가 제시되면 쾌적에 해당하는 신경회로망의 출력이 크고, 불쾌적에 해당하는 출력은 작으며, 반대로 불쾌적 task가 제시되면 불쾌적에 해당하는 출력이 높고, 쾌적에 해당하는 출력이 작게 나타남을 볼 수 있다. 그러나 어떤 경우에는 쾌적과 불쾌적에 신경회로망의 결과 중 하나는 특별한 반응이 없고, 하나만 일치하는 결과를 나타내는 경우도 있었으나이 경우에도 감성의 상태는 판단할 수 있었다.
- 이는 피검자의 초기 안정 상태의 뇌파를 이용하여 가장 근사한 템플릿을 선택하므로 안정에 해당하는 신경회로망의 출력값이 대체로 크게 나타나는 것이다. 쾌적한 감성의 뇌파가 들어올 때 불쾌적에 해당하는 시스템 출력도 증가하였으나, 쾌적에 해당하는 출력에 큰 피크 하나가 발생한 것을 알 수 있고, 불쾌적한 감성의 뇌파가 들어올 때에는 쾌적에 해당하는 시스템 출력은 사라지고, 불쾌적에해당하는 출력이 크게 증가하였음을 알 수 있다. 의자 쾌적성 평가 실험에서 쾌적의 task가 제시되면 쾌적에 해당하는 신경회로망의 출력이 크고, 불쾌적에 해당하는 출력은 작으며, 반대로 불쾌적 task가 제시되면 불쾌적에 해당하는 출력이 높고, 쾌적에 해당하는 출력이 작게 나타남을 볼 수 있다.
- 표 1에서 보는 바와 같이, 2채널만 이용한 실험과 4채널에서도 전두엽만 이용한 실험 결과는 아주 저조한 성능을 나타내고 있으며, Heller의 감정 모델에서 사용하는 위치인 전두엽과 두정엽을 포함하는 4채널은 양호한 성능을 나타내었다. 또한 실험의 결과만 볼 때에는 전두 부분의 뇌파만으로는 정확한 감성 평가가 어려울 것이라고 판단할 수 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.